music仿真报告.docVIP

基于MUSIC方法的功率谱估计 实验原理 当空间存在多个信号时，常常要对这些信号进行分离，一边跟踪或者检测我们感兴趣的空间信号，一边抑制那些被认为是干扰的信号。Music方法就是进行此项工作的方法之一。 若等间距直线型天线由m个阵元组成，则信号si t 到达各个阵元的相位差所组成的方向向量 （1） 如果总共有p个远场信号（p不大于m），则在第k个阵元上的接收信号为 （2） 其中k 1,2,…,m,最后一项为加在此信号上的噪声。将m个阵元上的观测数据组成一个数据向量 （3） 进行N次快拍，得出下边的矩阵 （4） 对进行特征值分解并存储特征向量s1,…,sp,s [s1,…,sp]。 最后利用下面的公式进行功率谱估计 （5） 其中 在实际应用中，通常将划分为数百个等间距单位，得到 （6） 然后将每个带入（5）式求出所有对应的 值。 二、 实验步骤 1、先做以下假设： 假设1：对于不同的值，向量a 相互线性独立； 假设2：加性噪声向量e n 的每个元素都是零均值的复白噪声，它们不相关，并且具有相同的方差； 假设3：矩阵P E 非奇异，即rank P p。w划分若干等间距单位并画出功率谱。 3、算法实现： 设阵列为均匀直线阵，阵元个数M 70,快拍次数N 50，对正弦信号进行谐波恢复的matlab仿真。三、 仿真结果 仿真结果如下图： 四、 仿真结果分析 从上面实验图谱可以看出，MUSIC算法实现谐波恢复的有效性和科学性。因为MUSIC算法需要在频率轴上进行全域搜索，计算量比较大，程序运行时间稍长。另外，执行MUSIC算法是选择噪声子空间还是信号子空间方式，决定于G和S中哪一个具有更小的维数，由程序运行结果知，相关函数的特征值矩阵秩p 4,即采用信号子空间可以减少运算量。除了计算量有所不同外，这两种方式并没有本质的区别。在本题中，观测数据是由信号 产生的，其中e n 是均值为0，方差为1的高斯白噪声，n 1,…，128128； （2）Music谐波恢复方法为减少计算量，应选择噪声空间和信号空间中维数较小的一个。 在本次作业中，通过对算法的理解以及用matlab语言去实现算法的每个步骤，我对matlab的有关语法知识及有关函数有了更进一步的掌握。 通信与信息系统专业 座机电话号码1937 冯利婷 第3次作业